基于BP神经网络的焊接工时定额模型研究

为了提高焊接工时定额的计算效率和精确度,消除传统定额方法过度依赖线性公式进行计算而忽略工时定额与其加工工艺参数之间的非线性关系的不足,将BP神经网络技术应用到焊接工时定额中,建立多输入单输出的神经网络模型,并运用实际数据对建立的神经网络进行训练,通过测试样本验证了该网络模型输出的仿真值与实际值之间的误差在5%以内。验证结果表明,用BP神经网络方法建立的焊接工时定额模型能够对焊接工时进行准确的预测。     

基于神经网络的工时定额技术研究

工时定额的制定和管理是企业进行现代化生产管理的基础工作。在分析标准定额表结构的基础上 ,提出了用综合法构建计算工时定额的神经网络模型的思路。以标准定额表的结构参数为网络输入、以表数据为训练集 ,采用Matlab脚本语言构建了定额计算网络模型。本文提出的方法具有模型数量少 ,计算准确 ,使用简便的优点     

浅谈工时定额符合率统计分析方法

阐述了工时符合率分析的基本方法及实做时间、工时定额等符合率相关的数据统计过程,通过对工时定额的符合性进行分析,为工时定额的修订及生产效率提升提供依据,提高工时定额准确性。     

遗传神经网络在工时定额计算中的应用

工时定额数据量大、影响因素多,使用常规拟合方法计算工时定额比较困难。为提高工时定额计算的正确性,采用人工神经网络技术,在MATLAB中建立了工时定额计算神经网络模型。针对BP神经网络存在易陷入局部最小值、收敛速度慢等不足,引入标准遗传算法来优化神经网络的权值和阈值。实验结果表明,基于实数编码的遗传算法优化速度快,优化后的神经网络迅速收敛,神经网络模型的测试误差低于5％。遗传神经网络可以克服单独使用神经网络时存在的缺点,训练好的模型在工时定额计算时正确性较高,有较好的实用价值。     

计算机辅助工时定额系统的研究与开发

提出了一种基于基元理论,以工作研究法现场测定数据作为制定定额的依据,运用神经网络研究工时变化规律的通用化计算机辅助工时定额系统,在此基础上探讨了工时的分类划分,阐明了系统的体系结构和功能模块,最后介绍了系统的应用流程。     

基于BP神经网络的新零件材料消耗定额预测方法研究

为精确地预测熔模铸造中新零件材料消耗定额,采用了BP神经网络的方法进行建模。在分析影响各工序零件材料消耗主要因素的基础上,确定了BP神经网络模型的特征参数,并根据实际情况确定了输入层和隐含层的神经元个数,从而确定了模型的结构。用试验数据对模型结构进行训练,最终建立了一个用于新零件材料消耗定额预测的BP神经网络模型。     

基于特征与遗传神经网络的飞机结构件数控加工工时预测方法

为了解决在没有数控程序的情况下快速准确的预测飞机结构件的数控加工工时,提出了一种基于特征与遗传神经网络的数控加工工时预测方法。提炼各类特征的加工工时影响因素并建立特征样本库,为每种加工特征构建BP神经网络;针对BP神经网络极易陷入局部极小值、收敛速度慢、网络参数难以确定等问题,结合遗传算法优化BP神经网络。建立了5种神经网络结构,通过调用相应的网络预测每一类加工特征的加工工时,进而形成每一工步的加工工时,累加零件所有工步的加工工时得到零件整体的加工工时。应用该方法预测零件整体的加工工时误差在5%以内。     

基于灰色系统理论的飞机总装工序定额工时预测研究

为了预测飞机总装过程中以工序为基本单元的定额工时,提出了一种以灰色系统理论为基础的定额工时预测方法。该方法以GM（1,1）模型作为基本模型,采用等维新息优化处理方法,通过历史实动工时数据预测飞机总装定额工时。实例验证结果表明,预测方法拟合情况较好,能够较好地解决飞机总装过程中定额工时制定困难的问题．为飞机研制过程中制定合理的项目计划以及成本控制提供了有力的依据与保障     

基于GA-BP神经网络的航空涡轮组件再制造工时预测

如何快速准确测定航空涡轮组件再制造工时是严重困扰我国航空发动机大修企业的一个难题。文中首次辨识和量化影响航空涡轮组件再制造工时的主要因素;之后构建一种新的再制造工时预测GA-BP神经网络。该网络采用遗传算法GA弥补了BP神经网络收敛慢且容易限于局部最优解的不足,有效提高了预测的精准度;最后,以某型民用航空发动机涡轮组件为例,验证了该预测网络的科学有效性。研究能够为航空发动机大修企业开展再制造工时预测提供高效决策支持。     

基于加工特征实例的零件工时预测评估

通过构建零件加工特征实例,建立基于实例推理的零件加工工时预测评估模型,提出基于加工特征实例及典型工艺方案的零件工时制定方法,克服了传统工时制定方法的局限性,该方法有助于零件加工成本的预测评估及控制。     

基于CBR和BP神经网络的壳体零件制造工时定额技术研究

对于一个制造企业如果存在两个相似度很高的壳体类零件,则它们的工艺流程以及工时定额也基本一致。将推理技术应用于壳体类零件的工时定额,首先建立壳体类零件工时信息模型,研究零件工时实例的表达方法、相似度检索算法以及实例重用阶段的数控加工工时计算方法,并通过实例验证了该方法的可行性,将定额结果与查表法定额结果比较,误差控制在5%以下,工时定额效率得到了很大的提高。     

用工时定额法测算产品的扩散价格

用工时定额法测算机械零件的价格，是对机械零件从毛坯开始计算其重量，用标准工时定额核定各加工工序的时间，用标准工艺协作单价等方法计算出机械零件的公允价格。     

采用计算法和类比法的工时定额系统设计与开发

通过对工时定额的构成及计算方法的分析,结合我国中小型制造企业的特点,基于Visual Basic 6.0和Microsoft Office Access数据库平台,设计并开发了新型工时定额系统.该系统主要采用计算模块、类比模块及数据库管理模块三部分来实现工时定额的计算.其特点在于针对相似零件采用类比推算法,大大提高了工时的计算速率和准确性.该系统为产品成本核算、生产计划安排提供了数据支持.     

基于GA_BP算法的化工设备设计人工时预测

针对目前人工估算人工时预测精度低的问题,提出基于遗传算法优化反向传播神经网络的算法建立人工时预测模型,对化工设备设计人工时进行定量预测.首先对化工设备设计项目的管理流程和设计特点进行分析;然后对用户数据库中的历史项目数据进行统计,并对统计数据进行参数的贡献度和相关性分析,同时结合参数在预测时获取的难易程度,选择出适当的人工时预测模型输入参数;再建立基于反向传播算法的预测模型,并针对反向传播算法的缺陷选择遗传算法优化反向传播神经网络和支持向量机算法进行建模,预测结果表明遗传算法优化反向传播神经网络算法更适合化工设备设计人工时预测.采用基于遗传算法优化反向传播神经网络算法的模型进行了实例预测.     

工时定额在某制造型企业的应用研究

工时定额管理是企业重要的基础性工作,是平衡企业和职工利益的主要工具之一。可作为职工岗位设定的参考依据,提高企业经济管理水平。本文论述了工时定额的理论基础、应用,并以某制造型企业为背景,对其模具、焊夹、焊装等产品的机加工时、数控工时以及各类产品的装配工时开展了应用研究。     

面向中小型制造企业的计算机辅助工时定额系统

通过分析工时定额的构成、比较中、外对工时定额的不同分类方法,结合我国中小型企业的特点,建立了工时定额的分类和计算模型,详细介绍系统框架和计算流程,并在此基础上设计开发计算机辅助工时定额系统。该系统已在企业成功应用。     

考虑设备劣化的加工工时预测方法

针对加工设备在不同寿命阶段造成的机加工工时波动问题,提出了考虑设备劣化的加工工时预测方法。针对单工况,构建了基于BiGCU-MHResAtt-Weibull模型的机加工工时预测模型,采用双向门控卷积单元(BiGCU)提取局部特征,利用多头残差自注意力网络,获取不同特征间的影响关系,全连层输出优化后的残余寿命值并通过Weibull概率分布函数实现加工工时倍率映射;针对多工况,结合单工况模型,设计了大数据集和特征迁移模型,并通过聚类和曲线拟合生成加工工时预测谱系。最后,采用美国国家航天局提供的涡扇发动机数据集完成了模型训练和预测,验证了所提方法的有效性。     

基于工业工程MOD法的机械制造工时定额方法研究

对传统工时定额方法进行分析,针对工时定额的手动工时优化问题,以机械加工过程的时间耗费为背景,提出了基于工业工程MOD法（模特排时法）和工艺过程的工时定额方法——工艺MOD法,对技术工时定额和薪酬工时定额进行了划分和研究,根据相似制造论,提出了优化解决方案.     

基于数据包络分析法的军工企业零件制造工时研究

传统的、依赖人工经验的零件制造工时定额和工时管理方法已不能满足军工企业对工时精细化管理的要求,为此提出了一种基于数据包络分析法的工时定额方法,通过引用数据包络分析法（DEA）,根据零件加工设备的投入产出数据建立数据模型,根据零件类型,由生产信息数据库对生产线进行工艺分配,利用CCR模型和BCC模型对工时定额进行预测调整,使各个工序以最佳效率值工作,实现工时准确预测,最大程度上解决企业工时定额问题。针对S企业开展的案例分析,并与模特法进行对比试验,以验证该方法的可行性和有效性。     

基于改进PSO＿BP神经网络的干燥机可靠性预测

针对BP(Back Propagation)神经网络模型对谷物干燥机进行可靠性预测时,模型存在收敛速度慢和易陷入局部最优等问题,采用改进的粒子群算法对BP神经网络模型进行优化,建立PSO＿BP神经网络的谷物干燥机可靠性预测模型,并与BP网络模型和GA＿BP网络模型获得的MAERMSEMAPE指标进行对比。研究结果表明,采用改进的PSO＿BP网络模型预测时,与BP网络模型相比三项指标分别降低了0.051 8、0.047 9和28.04%;与GA＿BP网络模型相比,三项指标分别降低了0.000 4、0.000 2和0.61%,说明其具有更小的误差和较好的预测能力。为实现谷物干燥机可靠性精准预测提供方法和思路。